课程笔记-三维点云处理07——3D Feature Detection

最新推荐文章于 2022-11-23 07:30:10 发布

原创

最新推荐文章于 2022-11-23 07:30:10 发布 · 1k 阅读

·

2

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

#聚类 #深度学习 #计算机视觉

本文是《三维点云处理》课程的第七章笔记，重点介绍了3D特征点检测，包括Harris 2D和3D、Intrinsic Shape Signatures (ISS)方法以及深度学习的USIP和SO-Net。Harris检测器通过计算移动前后变化判断特征点，而ISS通过点周围分布变化找特征。此外，SO-Net提供了更精细的点云特征提取方案。

课程笔记-三维点云处理07—— 3D Feature Detection

本系列笔记是对深蓝学院所开设的课程：《三维点云处理》的笔记课程每周更新，我也会努力将每周的知识点进行总结，并且整理成笔记发上来，欢迎各位多多交流&批评指正！！

本文主要为课程第七章的笔记！由于第六章继续进行深度学习领域知识讲解，因此不仅知识量陡增，课程量也加大，因此本章将分为上下两篇笔记进行记录。本节课主要讲3D特征感知，介绍

课程链接：
三维点云处理——深蓝学院

本节课大纲： ############################################################

在这里插入图片描述
先从图像特征点开始讲，然后拓展到三维特征点。
而后分别用传统的方法和深度学习方法将特征点的处理检测与表述

正式内容: ####################################################

Introduction & harris 2d

在这里插入图片描述
特征点：一些关键的有代表性的点通常在推暗中指像素

在这里插入图片描述
特征点的应用：找到特征点之后，可以以他周围的信息生成的向量去描述该特征点

一个例子：利用特征点的识别与匹配去做全景图的合成
在这里插入图片描述

在图像当中，特征点的一个非常典型且重要的应用：SLAM

如feature based SLAM 是利用特征点的坐标与位置进行构图的。
在这里插入图片描述
点云特征点：点云当中也有一些特征点（关键点）比较具有代表性

很经典的一个理

最低0.47元/天解锁文章

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。